基于距離與能量的復(fù)雜場(chǎng)景下ALV 可行域認(rèn)知*

張 昊，李 擎

(高動(dòng)態(tài)導(dǎo)航技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京100101)

0 引 言

為了獲取自主車(ALV)行車區(qū)域，通常使用激光雷達(dá)、攝像頭等傳感器來(lái)進(jìn)行環(huán)境認(rèn)知。攝像頭易受環(huán)境影響，且在圖像處理中計(jì)算量大［1］，相比之下，激光雷達(dá)具有更好的抗干擾性，可以有效避免光照、陰影等因素造成的負(fù)面影響，所以，越來(lái)越多的ALV 采用激光雷達(dá)進(jìn)行環(huán)境認(rèn)知。

針對(duì)使用激光雷達(dá)實(shí)現(xiàn)環(huán)境認(rèn)知的研究主要有兩類:基于二維或三維激光雷達(dá)的環(huán)境認(rèn)知［2～9］。如Oscar C Barawid Jr 等人將一個(gè)二維激光雷達(dá)水平地固定在拖拉機(jī)前端離地70 cm 處，使用Hough 變換方法提取果園中的樹(shù)線［2］，該方法較好地提取了大范圍內(nèi)的行車參考線，但是由于大部分民用車輛底盤(pán)較低，水平放置的方式造成掃描平面下方區(qū)域的漏掃會(huì)對(duì)行車安全帶來(lái)極大的隱患。朱株等人使用HDL—64E，提出了一種適用于多類場(chǎng)景的實(shí)時(shí)三維激光雷達(dá)地面分割算法［5］，雖然使用三維多線激光雷達(dá)可以獲得全面豐富的三維信息，但高昂的價(jià)格限制了其廣泛應(yīng)用。在環(huán)境數(shù)據(jù)處理方面，趙一兵等人，利用距離信息結(jié)合探測(cè)物的結(jié)構(gòu)特征，例如:凹凸性、多孔性等，識(shí)別凹凸區(qū)域及前方灌木等［8］;雖然通過(guò)算法可以從單一類型數(shù)據(jù)中提取障礙和出可行區(qū)域，但面對(duì)區(qū)域內(nèi)的再劃分問(wèn)題，例如:在沒(méi)有明顯特征的道路中，使用單一類型的數(shù)據(jù)很難出色地完成行車道路的獲取任務(wù)。

為了低成本，高效地完成可行域認(rèn)知，實(shí)現(xiàn)區(qū)域的再劃分，在數(shù)據(jù)處理中，本文提出了距離與能量組合判據(jù)的方法實(shí)現(xiàn)ALV 可行域認(rèn)知，解決了由于判據(jù)單一造成的道路錯(cuò)分等不穩(wěn)定現(xiàn)象。

1 基于距離的環(huán)境特征獲取

將激光雷達(dá)固定在車輛上方的鐵架上，并置于車輛中心。調(diào)節(jié)雷達(dá)角度，使得雷達(dá)的掃描平面傾斜向下與地面成一定夾角。這一設(shè)備的安置方式也是為了避免二維激光雷達(dá)水平放置造成的漏掃這一弊端。

激光雷達(dá)選用LMS151 激光雷達(dá)，設(shè)置角度分辨率為0.5°，掃描范圍180°，頻率50 Hz。由于激光雷達(dá)返回?cái)?shù)據(jù)為極坐標(biāo)形式，將各個(gè)點(diǎn)轉(zhuǎn)換為激光雷達(dá)坐標(biāo)系坐標(biāo)，變換公式如下或掃描窗口中存在障礙，會(huì)影響道路高度值的提取，導(dǎo)致邊緣誤提取現(xiàn)象，如圖1 所示。為了進(jìn)一步解決此類誤提取現(xiàn)象，需引入能量值進(jìn)一步篩選道路特征。

其中，di為第i 個(gè)掃描點(diǎn)的距離，θi為第i 個(gè)激光點(diǎn)的掃描角度:θi=0.5i，xi，yi為激光雷達(dá)坐標(biāo)系下第i 個(gè)點(diǎn)坐標(biāo)(i=0，1，2，…，360)。將激光雷達(dá)獲取的每一幀數(shù)據(jù)先進(jìn)行坐標(biāo)系轉(zhuǎn)換，利用轉(zhuǎn)換后的坐標(biāo)數(shù)據(jù)提取道路特征。

道路特征選為邊緣跳變特征以及其他具有代表性的特征并將其篩選表示出來(lái)，從而減少數(shù)據(jù)量的同時(shí)具有道路邊緣提取的高可靠性。

選取路面中心一段掃描窗口，選取該區(qū)域時(shí)其寬度應(yīng)大于載體寬度。為了消除噪聲帶來(lái)的影響，在此先對(duì)窗口間的點(diǎn)進(jìn)行了滑動(dòng)平均濾波處理，得到更加平穩(wěn)的高度數(shù)據(jù)

圖1 含有障礙物的道路Fig 1 Road containing obstacle

2 基于能量的環(huán)境特征獲取

通過(guò)激光雷達(dá)反射能量對(duì)掃描到的物體進(jìn)行辨析。因?yàn)椴煌矬w材質(zhì)不同，所以，對(duì)激光的反射能力也各不相同，因此，可以通過(guò)雷達(dá)返回的能量值數(shù)據(jù)對(duì)環(huán)境進(jìn)行特征提取。

對(duì)操場(chǎng)跑道進(jìn)行掃描，以最中間被涂料涂成的白線為基準(zhǔn)使載體向前移動(dòng)，獲取了激光雷達(dá)反射能量，場(chǎng)景如圖2所示。

圖2 無(wú)道路特征場(chǎng)景Fig 2 Scene has no road characteristic

分析其能量強(qiáng)度分布情況如圖3 所示，其中，Z 軸表示能量相對(duì)強(qiáng)度。該區(qū)域反射能量分布均勻且白線特征明顯，凸起的五部分為白線所在位置。由于凸起部分的數(shù)據(jù)點(diǎn)分布較為松散，可通過(guò)計(jì)算相鄰點(diǎn)的距離并與設(shè)定閾值作比較，可將五類數(shù)據(jù)代表點(diǎn)提取出。

根據(jù)式(2)而得到的一系列數(shù)據(jù)，其隨機(jī)誤差由于平均的作用得到了抑制，從而使得數(shù)據(jù)隨機(jī)起伏的幅值相對(duì)于原始數(shù)據(jù)有了大幅度的降低。

由濾波后的高度數(shù)據(jù)均值Have作為路面高度的基準(zhǔn)值。由于激光雷達(dá)角度分辨率為0.5°，一幀有361 個(gè)掃描點(diǎn)，因此，選取雷達(dá)第180 個(gè)掃描點(diǎn)為中心點(diǎn)，根據(jù)載體實(shí)際寬度，左右各浮動(dòng)50 個(gè)點(diǎn)。從第180 點(diǎn)分別向左向右進(jìn)行遍歷并分別與Have做差，獲得差值Dval，將Dval與閾值Hthr做比較。當(dāng)Dval＞Hthr時(shí)停止遍歷，提取此時(shí)數(shù)據(jù)點(diǎn)的下標(biāo)，并構(gòu)造出一個(gè)新的向量用于存儲(chǔ)該下標(biāo)，跳變點(diǎn)特征的提取工作完成。

僅僅基于距離數(shù)據(jù)的跳變點(diǎn)特征提取具有一定局限性，如果道路中存在障礙，道路邊緣的跳變點(diǎn)會(huì)被誤提取，

圖3 能量強(qiáng)度示意圖Fig 3 Diagram of energy intensity

其步驟為:

1)獲取一幀掃描數(shù)據(jù)(0，1，2，…，i，…，n);

2)計(jì)算相鄰兩個(gè)激光點(diǎn)的距離

3)判斷距離D 與閾值T 的大小，當(dāng)滿足條件Di，i+1＞T，則記錄此時(shí)刻的i 值至數(shù)組Zref 中;

4)更新點(diǎn)i=i+1;

5)重復(fù)步驟(2)直至該幀數(shù)據(jù)遍歷結(jié)束;

6)通過(guò)類內(nèi)距離小于類間距離原則，設(shè)定閾值Tz，遍歷數(shù)組Zref 中數(shù)據(jù)，再次計(jì)算相鄰點(diǎn)距Dz，z+1(0，1，2，…，z);

7)將Dz，z+1與Tz相比較，若Dz，z+1＞Tz，點(diǎn)z+1 為新的一類，存入新數(shù)組，遍歷整個(gè)Zref 數(shù)組，將數(shù)據(jù)分為五類;

8)將五類數(shù)據(jù)化簡(jiǎn)，獲取每類代表點(diǎn)Xref坐標(biāo)

式中 n 為每類中包含點(diǎn)的個(gè)數(shù)。

經(jīng)處理后，白線提取情況如圖4 所示。

圖4 白線提取效果Fig 4 Effect of extraction of white line

基于能量可以良好地提取出道路的白線特征，但反射能量隨角度變化呈現(xiàn)衰減現(xiàn)象，僅依靠能量來(lái)獲取道路特征得出可行域是不夠的。由于距離與能量可獲取不同的道路特征，將兩者互補(bǔ)可獲得完整的道路特征信息。

3 距離與能量組合判據(jù)的可行域認(rèn)知

如圖5 場(chǎng)景中，陽(yáng)光透過(guò)楊樹(shù)在走廊上形成了各種形狀的亮斑，通過(guò)繪制出反射能量圖像由圖6 所示，發(fā)現(xiàn)在有亮斑的情況下，雷達(dá)反射能量值并未有奇異的不規(guī)則部分出現(xiàn)，障礙物所在區(qū)域能量突出，道路能量分布均勻，說(shuō)明環(huán)境的光照強(qiáng)度并不會(huì)對(duì)反射能量值造成影響?？梢越Y(jié)合反射能量和距離數(shù)據(jù)對(duì)道路邊緣提取并對(duì)載體的可行域進(jìn)行劃分。

圖5 光照不均勻且含障礙場(chǎng)景Fig 5 Scene contain uneven illumination and obstacle

針對(duì)道路中存在障礙或當(dāng)障礙物處于掃描窗口這種情況，在計(jì)算路面高度基準(zhǔn)值時(shí)會(huì)誤算入障礙物的高度，從而使道路高度基準(zhǔn)值升高，導(dǎo)致誤報(bào)、漏報(bào)現(xiàn)象，如圖7 所示。

首先，在獲取道路基準(zhǔn)高度值時(shí)，若掃描窗口中存在障礙物，若僅使用距離來(lái)選取參考點(diǎn)就會(huì)出現(xiàn)問(wèn)題。當(dāng)障礙物在載體中間部位時(shí)，依靠距離可以檢測(cè)出障礙邊緣處的跳變點(diǎn)，從而將其剔除獲取參考點(diǎn)。但是如果障礙物出現(xiàn)在窗口邊緣，其掃描點(diǎn)很有可能分布密集，依靠相鄰點(diǎn)距離無(wú)法檢測(cè)出跳變點(diǎn)，這時(shí)，就會(huì)將障礙的信息帶入到道路基準(zhǔn)高度值的計(jì)算當(dāng)中，從而對(duì)后續(xù)的區(qū)域認(rèn)知帶來(lái)極大的隱患。

圖6 復(fù)雜道路能量分析Fig 6 Energy analysis on complex road

圖7 障礙在道路中的分布Fig 7 Distribution of obstacle on road

通過(guò)分析，反射能量的大小取決于物體本身的反射能力，與光照等外界影響無(wú)關(guān)。障礙與道路的反射能量差異又很大，所以，將反射能量值作為第二判據(jù)引入到數(shù)據(jù)遍歷之中可以有效地區(qū)分出障礙區(qū)域，此時(shí)有

式中 Di，i+1為相鄰點(diǎn)間距離，Zi，i+1反映了相鄰點(diǎn)的反射能量差異。在Di，i+1滿足條件的基礎(chǔ)上還要看Zi，i+1的值是否也符合要求。在遍歷中設(shè)立flag，flag 的值為0 或1，將其初值為0，每當(dāng)Zi，i+1＞Tz時(shí)，將flag 的值反轉(zhuǎn)，當(dāng)flag 為0 時(shí)，將當(dāng)前時(shí)刻下標(biāo)i 存入數(shù)組PartA［j］，當(dāng)flag 為1 時(shí)，將當(dāng)前時(shí)刻下標(biāo)i+1 存入數(shù)組PartB［k］且i=i+1。該掃描窗口遍歷完成后，一幀數(shù)據(jù)就被分到了兩個(gè)數(shù)組當(dāng)中。若遍歷完成后PartB［k］中包含0 個(gè)數(shù)據(jù)，就說(shuō)明掃描窗口內(nèi)無(wú)障礙物。可直接通過(guò)PartA［j］中數(shù)據(jù)求解道路基準(zhǔn)高度值Have。就本文實(shí)驗(yàn)場(chǎng)景來(lái)做分析，從圖6 中可以看出:障礙物反射能量遠(yuǎn)大于道路反射能量，通過(guò)計(jì)算得出兩個(gè)數(shù)組內(nèi)數(shù)據(jù)的平均能量值，進(jìn)而就分別得到了保存著道路區(qū)域與障礙物區(qū)域的數(shù)組。

利用在掃描窗口中提取出的道路區(qū)域求出可靠的道路基準(zhǔn)高度值Have后，從第180 點(diǎn)分別向左向右進(jìn)行遍歷，此過(guò)程包括反射能量的遍歷和高度值的遍歷。用每一點(diǎn)的高度值分別與Have做差，獲得差值Dval，將Dval與閾值Hthr做比較，同時(shí)綜合反射能量的遍歷，當(dāng)滿足Dval＞Hthr并且滿足Zi，i+1=|Zi+1－Zi|＞Tz時(shí)，該點(diǎn)為障礙物而并非道路邊緣，通過(guò)反轉(zhuǎn)標(biāo)志位將障礙物數(shù)據(jù)記錄到數(shù)組中，繼續(xù)遍歷，直到遍歷到某一點(diǎn)，使得Dval＞Hthr，且Zi，i+1≤Tz，該點(diǎn)為道路邊緣的跳變點(diǎn)，開(kāi)辟新數(shù)組將其存入其中。當(dāng)一幀數(shù)據(jù)遍歷完成后，會(huì)得到四個(gè)數(shù)組，分別保存著道路左邊緣、道路右邊緣、非障礙物區(qū)域以及障礙物區(qū)域。對(duì)圖5 所示場(chǎng)景進(jìn)行多幀數(shù)據(jù)處理，并將邊緣數(shù)據(jù)、道路區(qū)域和障礙物區(qū)域用不同顏色的點(diǎn)表示，其效果如圖8 所示。

圖8 復(fù)雜場(chǎng)景下可行區(qū)域提取效果Fig 8 Effect of feasible region extraction in complex scenes

4 結(jié) 論

通過(guò)距離數(shù)據(jù)提取環(huán)境特征，由于其判據(jù)單一，不能很好解決可行域認(rèn)知問(wèn)題。又通過(guò)對(duì)反射能量提取環(huán)境特征做了驗(yàn)證，驗(yàn)證能量數(shù)據(jù)可以作為環(huán)境特征提取的第二判據(jù)，從而準(zhǔn)確區(qū)別道路和障礙物。因此，在求解道路高度基準(zhǔn)值的算法中融入了反射能量形成了雙判據(jù)。使得獲得的道路高度基準(zhǔn)值更加穩(wěn)定準(zhǔn)確。最后通過(guò)第二判據(jù)的引入對(duì)道路邊緣的提取和道路可行域認(rèn)知算法做了改進(jìn)，獲得了載體的可行域并區(qū)別出了障礙物的所在區(qū)域，完成了道路邊緣內(nèi)區(qū)域的再劃分，出色地完成了可行域認(rèn)知任務(wù)。

［1］ 付永春.單目視覺(jué)結(jié)構(gòu)化道路車道線檢測(cè)和跟蹤技術(shù)研究［D］.南京:南京理工大學(xué)，2012.

［2］ Oscar C Barawid Jr，Akira Mizushima，Kazunobu Ishii.Development of an autonomous navigation system using a two－dimensional laser scanner in an orchard application［J］.Biosystems Engineering，2007，96(2):139－149.

［3］ Csaba Benedek.3D people surveillance on range data sequences of a rotating lidar［J］.Pattern Recognition Letters，2014，50:149－158.

［4］ 孫 宇，項(xiàng)志宇，劉濟(jì)林.未知室外環(huán)境下移動(dòng)機(jī)器人的三維場(chǎng)景重建［J］.浙江大學(xué)學(xué)報(bào)，2007，41(12):1949－1954.

［5］ 朱 株，劉濟(jì)林.基于馬爾科夫隨機(jī)場(chǎng)的三維激光雷達(dá)路面實(shí)時(shí)分割［J］.浙江大學(xué)學(xué)報(bào)，2015，49(3):464－469.

［6］ 梁 雄.車載單線激光雷達(dá)成像分割及噪聲檢測(cè)算法［J］.計(jì)算機(jī)應(yīng)用研究，2011，28(5):1975－1977.

［7］ Carlos Fernández，Vidal Moreno，Belen Curto.Clustering and line detection in laser range measurements［J］.Robotics and Autonomous Systems，2010，58:720－726.

［8］ 趙一兵，王榮本，李琳輝.基于激光雷達(dá)的無(wú)人駕駛車前方障礙物檢測(cè)［J］.交通與計(jì)算機(jī)，2007，25(2):9－12.

［9］ 楊象軍，項(xiàng)志宇，劉濟(jì)林.基于四線激光雷達(dá)的校園道路的檢測(cè)與跟蹤［J］.傳感器與微系統(tǒng)，2013，32(9):134－138.